中国社会消费品零售总额的成分分解及预测

王爽 汪海飞

摘 要：首先对X-12-ARIMA模型和操作步骤进行说明;然后利用X-12-ARIMA模型对中国社会消费品零售总额进行成分分解，从数据中分离出季节成分、趋势成分、不规则成分，发现经过调整后的序列拟合效果较好;最后运用Holt-Winters加法模型對中国社会消费品零售总额进行短期预测。

关键词：消费品;零售总额;X-12-ARIMA模型;Holt-Winters加法模型

中图分类号：F724.2      文献标志码：A      文章编号：1673-291X（2020）17-0075-03

社会消费品零售总额是企业（单位）通过交易售给个人、社会集团的非生产、非经营用的实物商品金额，以及提供餐饮服务所取得的收入金额。经济月度数据通常会受到季节因素的影响，这种季节性变化是由节假日、销售额、生产周期和气候更迭引起的。而这些因素的变动会干扰经济月度数据的变动趋势，导致经济研究出现错误判断或无法精确发现其中的经济规律。因此，如何科学地将各类季节性影响因子从经济时间序列数据中分离出来，得到时间序列真实的变化趋势，是本文研究的重点内容。本文采用X-12-ARIMA模型对中国社会消费品零售总额进行确定性成分分解。由于X-12-ARIMA模型具有较强的适应性和功能的完善性，因此应用范围广泛。

一、X-12-ARIMA模型简介

1975年，加拿大统计局在Dagum支持下开发了X-11-ARIMA模型，通过建立ARIMA模型对序列进行向前和向后预测，扩充数据。1998年，美国普查局在Findley、Monsell等人的共同努力下开发了X-12-ARIMA模型，在X-11-ARIMA模型的基础上加强了对序列的预处理，可用回归模型的方式检测多种因素对序列的影响，并检测该影响的显著性与稳定性。……